Vous êtes sur la page 1sur 3

oncepto de modelos Determinsticos: Son modelos cuya solucin para determinadas condiciones es nica y siempre la misma.

Segun Jeffer (2002), los modelos deterministicos,"son aquellos que a cada valor de la variable independiente corresponde otro valor de la variable dependiente. Son especialmente utiles en los sistemas que evolucionan con el tiempo, como son los sistemas dinamicos. En ellos podemos conocer el estado del sistema transcurrido cierto tiempo una vez que hemos dado valores a los distintos parametros que aparecen en el modelo" Segun Crhirtofer (2007), "es un modelo matematico donde las mismas entrada produciran invariablemente las mismas salidas, no contemplandose la existencia del azar ni el principio de incertidumbre. Esta estrechamente relaciondo con la creacion de entornos simulados a traves de simuladores para el estudio de situaciones hipoteticas, o para crear sistemas de gestion que permitan disminuir la incertidumbre. La inclusion de mayor complejidad en las relaciones con una cantidad mayor de variables y elementos ajenos al modelo deterministico hara posible que este se aproxime a un modelo probabilistico o de enfoque estocastico. Los modelos deterministicos son los que hacen prediciones definidas de cantidades, dentro de cualquier distribucion de probabilidades; tambien se les puede definir como aquellos que se aplican a problemas en los que hay un solo estado de la naturaleza, y donde variables, limitaciones y alternativas son, despues de que se aceptan los supuestos, conocidos, definibles, finitos y predecibles con confidencia estadistica. Algunos modelos, herramientas o tecnicas deterministicas son: programacion lineal, analisis de Markov, costo/beneficio, entre otros (krone, 1980; lopez, 2001). En otras palabras, unmodelo deterministico se construye para una condicion de certeza supuesta, y el modelo asume que solo hay un resultado posible (el cual es conocido) para cada accion o curso alternativo (Malczewski, 1999). Los modelos determinsticos tienen las siguientes caractersticas: Como la literatura del modelo estocstico se ha ganado la atencin en la economa, los modelos determinsticos se han convertido en algo raro. Los ejemplos incluyen los modelos OLG (Modelos de Generaciones Traslapadas) sin incertidumbre agregada. Estos modelos suelen ser introducidos para estudiar el impacto de un cambio en el rgimen, como la introduccin de nuevo impuesto, por ejemplo. Asume toda la informacin, hay suposicin perfecta y no hay incertidumbre en torno a los choques. Los choques pueden afectar a la economa de hoy o la de cualquier momento en el futuro, dado el caso de previsin perfecta. Tambin puede durar uno o varios perodos. Muy a menudo, sin embargo, los modelos introducen un choque positivo hoy y ningn choque a partir de entonces (con certeza). La solucin no requiere de linealizacin, de hecho, ni siquiera realmente necesita de un estado estacionario. En su lugar, se trata la simulacin numrica para encontrar las rutas exactas de las variables endgenas de primer orden que cumplan con las condiciones del modelo y la estructura del choque.

Este mtodo de solucin por lo tanto puede ser til cuando la economa est muy lejos del estado estacionario. Los modelos deterministicos son importantes por cinco razones: 1. Una asombrosa variedad de importantes problemas de administracion pueden formularse como modelos deterministicos. 2. Muchas hojas de calculo electronicas cuentan con la tecnologia necesaria para optimizar modelos deterministicos, es decir, para encontrar decisiones optimas. Cuando se trata en particular de modelos PL grandes, el procedimiento puede realizarse con mucha rapidez y fiabilidad. 3. El subproducto de las tecnicas de analisis es una gran cantidad de informacion muy util para la interpretacion de los resultados por la gerencia. 4. La optimizacion restringida, en particular, es un recurso extremadamente util para reflexionar acerca de situaciones concretas, aunque no piense usted construir un modelo y optimizarlo. 5. La practica con modelos deterministicos le ayudara a desarrollar su habilidad para la formulacion de modelos en general. Utilidad de los modelos deterministico ASOCIACIN DETERMINSTICO-ESTOCSTICA PARA PREDICCIN DE CAUDALES Diana Irene Chavasse, Rafael Santiago Seoane RESUMEN: En este trabajo se propone una metodologa que aplica un modelo detenninstico complejo, compuesto por uno de traslado y otro de humedad de suelo, y un modelo estocstico para simular los procesos de transformacin precipitacincaudal y de propagacin de crecidas en una cuenca de gran extensin. Por otra parte se realiza un experimento para analizar la capacidad de pronstico del modelo deteminstico complejo. En la primera parte se verifica la calibracin de este modelo deteminstico y se presenta un anlisis hidrolgico que muestra la importancia de las distintas componentes del caudal a la salida de la cuenca. En la segunda parte se analiza la serie temporal de errores, se define un modelo estocstico predictor de los mismos y se estudia el aumento en lacpacidad de simulacin de las representaciones determinstica y estocstica asociadas. Por ltimo se investiga la capacidad de prediccin del modelo deteminstico complejo con un experimento queestablece el impacto que la precipitacin tiene sobre los errores de pronstico de caudales y se avanza en la utilizacin de un modelo estocstico predictor de estos errores.

Ejemplo teorico Un ejemplo clsico de modelo determinstico es de cada libre H=1/2 g t2 . Las condiciones de validez de este modelo de cada: cuerpo puntual (suficientemente pequeo), gravedad constante (cercano a la Tierra), sin aire (en un tubo con vaco). En estas condiciones se podra predecir la altura que se desplaza un cuerpo transcurrido un tiempo "t". En la fsica clsica son muy comunes el uso de modelos determinsticos. Un modelo determinstico que permita predecir si una moneda cae cara o ceca necesariamente es muy complejo, dependera por ejemplo de la forma en que se lanza, del espacio que rodea la moneda, de las caractersticas de la moneda en s. Todo esto implica mucho esfuerzo para general el modelo matemtico y luego para reproducir las condiciones de validez del mismo. otro ejemplo Un granjero posee 100 Has. de terreno en las que slo puede plantar cereales o caa de azcar. El problema es determinar cul debe ser su poltica de explotacin ptima, es decir, qu plantar y cunto plantar teniendo en cuenta los recursos disponibles. En la vida real hay muchos sucesos que se pueden considerar como procesos estocsticos o aleatorios: El clima (velocidad del viento, humedad del aire, temperatura, etc.) Series temporales: seales de telecomunicacin, seales de movimientos ssmicos, biomdicas (electrocardiograma, encefalograma, etc.) La evolucin de la poblacin, superficie cultivada, desertificacin, etc. Procesos econmicos (ndice de la bolsa, evolucin de stocks, PBI, etc.) Seales de sonido, imgenes, video, etc.

Leer ms: http://modelo-determinisco.webnode.com.ve/news/modelodeterministico/ Crea tu propia web gratis: http://www.webnode.es